新目标检测模型YOLOv9实践 ：训练自定义数据

新YOLOv9模型的更新

kCd28资讯网——每日最新资讯28at.com

YOLO系列模型有了一个新成员，在2024年2月发布了一篇新论文，标题为“YOLOv9: 使用可编程梯度信息学习您想要学习的内容”，详细论文可以在这个链接中查看：https://arxiv.org/pdf/2402.13616.pdf。以下是一个快速概述：kCd28资讯网——每日最新资讯28at.com

• 解决方案的核心是引入了可编程梯度信息（PGI）和一种新的轻量级网络架构，称为广义高效层聚合网络（GELAN）。
• 可编程梯度信息（PGI）：论文将PGI引入为一种方法，以减轻数据通过深度神经网络层时的信息丢失。PGI确保完整的输入信息可用于目标任务以计算目标函数，从而可以获得可靠的梯度信息，用于更新网络权重。
• 广义高效层聚合网络（GELAN）：GELAN基于梯度路径规划设计，旨在优化参数利用。这种架构在轻量级模型中展示出优异的结果，特别是与PGI结合时，在MS COCO数据集上的对象检测任务中表现比现有的最先进方法更好。
• 优越的性能：在基于MS COCO数据集的对象检测上，GELAN和PGI的组合表现出优于其他方法的性能，特别是在参数利用和准确性方面，甚至超过了在大型数据集上预训练的模型。

本文链接：http://www.28at.com/showinfo-26-99896-0.html新目标检测模型YOLOv9实践 ：训练自定义数据

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com

上一篇： Golang 实现时间戳和时间的转化，很麻烦吗？

下一篇： Python 新手必学：创建文件的五种方法